تاثیر همبستگی متغیرهای تصادفی موثر بر احتمال ترکیدن خطوط لوله دریایی

یکی از عمده ترین عوامل شکست خطوط لوله نفت و گاز، زوال[1] خواص ساختاری ان به دلیل گذر زمان است. خوردگی یکی از شناخته شده ترین این نوع زوال در جداره خط لوله می باشد که منجربه تولید حفره یا خسارت های وسیعتری می شود.گسترش این نوع از خوردگی منجربه باریک شدن دیواره خط لوله و در نتیجه کاهش مقاومت ساختاری خط لوله دربرابر بارهای اعمال شده بر آن می­شود که در برخی موارد با گذشت زمان باعث نشت و ترکیدن[2] این سازه حیاتی می­گردد. خوردگی در خطوط لوله دریایی به صورت احتمالاتی مدلسازی شده است اما مسئله­ای که کمتر به آن توجه شده تاثیر همبستگی[3] متغیرهای تصادفی موثر بر احتمال شکست (ترکیدن) خطوط لوله دریایی است. در این مقاله با استفاده از تابع کاپولا گوسی، همبستگی بین متغیرهای تصادفی نامبرده مشخص شده و به منظور پیش بینی احتمال ترکیدن از مدل تجربی dnv-rp-f101 و روش شبیه سازی مونت کارلو[4] استفاده شده است. قبل از محاسبه احتمال شکست تحلیل حساسیت با استفاده از شاخص آلفا [5] برای مشخص کردن پارامترهای موثر بر پاسخ تحلیل صورت گرفته است. نتایج حاکی از ان است که با در نظر گرفتن همبستگی بین متغیرهای حساس از زمان مشخصی به بعد، با افزایش ضریب همبستگی احتمال شکست کاهش پیدا می­کند.

effect of correlation of effective random variables on the probability of bursting marine pipelines

one of the major causes of the failure of oil and gas pipelines is the deterioration of its structural properties due to the passage of time. corrosion is one of the most well known of these types of deterioration in the wall of pipelines which leads to the pit. continued corrosion results in a decrease in the thickness of the pipeline wall and consequently a decrease in its structural resistance to environmental loads, which in some cases may leak and burst over time. corrosion is usually probabilistically modeled, but less addressed is the impact of correlations of the corrosion variables affecting its probability of failure. in this paper, using the gaussian function, correlations between random corrosion variables are identified and the dnv-rp-f101 experimental model and monte carlo simulation method are used to predict the probability of failure(pof). before calculating the pof, a sensitivity analysis was performed using the alpha index to determine the effective parameters on the analysis response. the results show that by increasing the correlation coefficient between corrosion random variables in different segments from a certain time onwards with the increasing correlation coefficient, the pof decreases.